一种基于协同混合人工鱼群模型的多目标柔性作业车间调度方法技术

本发明专利技术属于计算机应用技术与生产制造的交叉领域，通过自然计算技术优化多目标柔性作业车间调度问题。提出了一种协同混合人工鱼群算法用于求解多目标柔性作业车间调度问题，其特征是设计了带有分布估计属性的觅食行为和人工鱼吸引行为对人工鱼群模型进行改进；将协同思想引入到模型中，通过鱼群的多种群协同进行全局搜索，并与模拟退火算法协同以增强算法局部搜索能力；针对多目标问题设计了改进的ε-Pareto支配策略对个体的适用度值进行评价。本发明专利技术的效果和益处是能够克服人工鱼群算法在搜索过程中存在的后期收敛慢、局部寻优能力差等问题，并通过协同优化求得质量和分散性较好的非劣解集。

【技术实现步骤摘要】

本专利技术属于计算机应用技术与生产制造的交叉领域，通过自然计算技术优化多目标柔性作业车间调度问题。提出了一种协同混合人工鱼群算法用于求解最大完工时间、最大机器负载、总机器负载三个目标的柔性作业车间调度问题，主要创新为设计了带有分布估计属性的觅食行为和人工鱼吸引行为对人工鱼群模型进行改进；将协同思想引入到模型中，通过鱼群的多种群协同进行全局搜索，并与模拟退火算法协同增强局部搜索能力；针对多目标问题设计了改进的ε-Pareto支配策略对个体的适用度值进行评价。
技术介绍
在调度领域中，作业车间调度是在尽可能满足工艺路线等约束条件下，合理的分配设备、人力、原料等资源以完成指定的加工任务，并尽可能为企业获得经济与社会效益。经典的作业车间调度问题(Job Shop Scheduling Problem，JSP)要求每个工序只可以在一台给定的机器上加工一次且加工时间是固定的，其被证实为NP-hard问题。柔性作业车间调度问题(Flexible Job Shop Scheduling Problem，FJSP)是JSP的扩展，它增加了机器柔性的约束条件，从而使该模型更符合实际的生产状况，同时也导致问题的可行解空间增大，使其成为更繁杂的NP-hard问题。在企业的实际生产过程中，通常需要满足多个性能指标，如用户需求、生产周期、生产成本、产品的交货期、延误费、机器总负荷及库存等，因此多目标下的柔性作业车间调度模型更接近企业的生产模式，对它的研究也至关重要。生产调度领域的学者们利用一些多目标优化问题的方法对多目标柔性作业车间调度问题进行研究，并依据求解结果的准确程度将这些研究方法分为最优化方法和启发式方法。问题研究初期学者们一般使用最优化方法，它是一类能够产生精确最优解的方法，主要包括数学规划法、分支定界法、松弛法等。Angel等(无抢占单机环境下双目标作业车间调度的近似求解方法，Angel E,Bampis E,Gourves L.Approximation results for a bicriteria job scheduling problem on a single machine without preemption[J].Information processing letters,2005,94(1):19-27.)采用松弛法求解单机环境下的双目标作业车间调度问题。此类方法在优化大规模多目标问题时计算量会非常大，但决策者并不企图在多项式时间内求得问题的最优解,而是在计算时间和调度效果之间寻求折中,争取用较小的计算量得到近优解或者满意解，因此目前学者们更倾向于使用启发式优化方法近似求解。启发式方法主要包括分派规则法、智能优化法和邻域搜索法等。分派规则是按照一定的优先级规则将工件安排到相应机器上加工的一中方法，它可以快速产生解，但求解质量一般较差。Tay和Ho(基于遗传编程方法的分派规则求解多目标柔性作业车间调度问题，Tay J C,Ho N B.Evolving dispatching rules using genetic programming for solving multi-objective flexible job-shop problems[J].Computers&Industrial Engineering,2008,54(3):453-473.)利用GP算法分派规则进行组合并用于求解三目标柔性作业车间调度问题。智能优化法是人们通过模拟或揭示某些自然现象、过程和规律而发展的元启发式算法，如人工蜂群算法、遗传算法、蚁群算法、粒子群算法和人工鱼群算法等。Li等(离散型人工蚁群算法求解基于维修活动约束的多目标柔性作业车间调度问题，Li J Q,Pan Q K,Tasgetiren M F.A discrete artificial bee colony algorithm for the multi-objective flexible job-shop scheduling problem with maintenance activities[J].Applied Mathematical Modeling.2014,38(3):1111-1132.)提出了离散型人工蜂群算法求解带有维修活动约束的多目标柔性作业车间调度，算法中每个食物源用两个离散的向量表示，并采用禁忌搜索来产生其邻域结构，为产生分散性较好的邻域解加入了一种自适应策略，另外还设计了一种新型解码方式来处理调度中的维修活动。邻域搜索法是依据问题设计良好的邻域结构以产生邻域解，主要包括禁忌搜索法、贪婪算法和模拟退火算法等。Jia等(路径重链接禁忌搜索算法求解多目标柔性作业车间调度问题，Jia S,Hu Z H.Path-relinking Tabu search for the multi-objective flexible job shop scheduling problem[J].Computers&Operations Research,2014,47:11-26.)利用具有柔性特点的邻域搜索来确定解决方案，并采用带回溯的禁忌搜索算法进一步优化，然后利用路径重链接的启发式方法产生分散性较好的非支配解集。人工鱼群算法是近几年被提出的一种新型群智能优化算法，其通过构造人工鱼模拟鱼群的各种行为，从而实现寻优。人工鱼群算法具有对初值不敏感、寻优速度快和全局收敛性等特点，目前已在组合优化问题、信号降噪处理、数据挖掘和数字图象处理等多个领域内得到应用，并获得了不错的效果。本专利将人工鱼群算法模型作为子优化器，基于合作型协同框架通过鱼群的多种群协同进行全局搜索，并与模拟退火算法协同增强算法的局部搜索能力，利用改进的ε-Pareto支配策略对个体适用度值进行评价，采用拥挤距离和精英保留策略保持鱼群中个体的多样性。
技术实现思路
本专利技术要解决的技术问题是如何利用人工鱼群算法解决多目标柔性作业车间调度问题，其关键点在于对人工鱼群算法进行改进以克服算法在优化过程中存在的后期收敛慢、局部寻优能力差等问题，难点在于如何保证优化得到的非劣解集的质量和分散性。为解决以上关键点和难点，本专利技术的技术方案如下：对人工鱼行为进行改进，设计了基于分布估计的觅食行为以便充分利用已有的信息为下一代个体的产生提供导向，加快算法收敛速度；为加强算法的全局搜索能力提出了人工鱼吸引行为。结合协同进化的思想通过鱼群的多种群协同进行全局搜索，并与模拟退火算法协同本文档来自技高网...

【技术保护点】
一种基于协同混合人工鱼群算法的多目标柔性作业车间调度方法，其特征是，(1)带有分布估计属性的觅食行为在进行第l+1次迭代之前，首先对种群中较优个体的状态进行概率统计学习，形成当前状态的概率模型；对于柔性作业车间调度问题，为其分别建立机器安排概率模型和工序排序概率模型；设在第l(l＝1,2,...,IT‑1)代种群更新完毕后选取较优人工鱼数为I，D1(l+1)为第l+1次迭代中要使用的机器概率模型，D2(l+1)为第l+1次迭代中要使用的工序概率模型；D1(l+1)是一个N×m的实数矩阵，N为工序总数，m为机器数；每个元素dijk表示工序Oij在机器Mk上加工的概率，其值表示为：dijk=qijkI---(1)]]>其中aijk为I个个体中选择在Mk上加工Oij的个体总数；D2(l+1)是一个n×N的实数矩阵，n为工件数；每个元素dij表示工件Jj安排在第i(1≤i≤N)个位置上进行加工的概率，其值表示为：dij=aijI---(2)]]>其中aij为I个个体中在位置i上安排了工件Jj的个体总数；人工鱼在执行觅食行为时，依据其自身状态及两个概率模型产生下一个状态；人工鱼机器选择向量由D1(l+1)随机采用产生，对于工序Oij，其选择在Mk上加工的概率为dijk；如果其当前状态就是Mk，则以一半的概率使用这个机器进行加工或重新选择新的机器；人工鱼工序顺序向量则由D2(l+1)随机采用产生，工件Jj安排在位置i上加工的概率为dij；如果其当前状态就是位置i，则以一半的概率安排在位置i处或重新安排加工顺序；(2)吸引行为人工鱼吸引行为进行下一次状态更新时，参考最优人工鱼的位置并向该方向移动一步；设当前人工鱼状态为Xi，Yi为其适应度值；当前全局最优人工鱼状态为Xbest，其适应度值为Ybest；如果Yi＞Ybest，即该人工鱼不是当前最优个体，那么向全局最优位置Xbest移动一步；否则执行觅食行为；(3)ε‑Paret支o配策略设多目标优化问题的可行解集为X＝{X1,X2,...,Xp}，将任意两个解Xi和Xj对应的第l个目标的函数值之间的关系定量为：bijl=ϵfl(Xi)<ϵ+fl(Xj)1fl(Xi)=ϵ+fl(Xj)0fl(Xi)>ϵ+fl(Xj)---(3)]]>其中ε＞1，则两个可行解的ε‑Pareto支配关系定量为：bij=Σl=1kbijl---(4)]]>那么，Xi与所有可行解的ε‑Pareto支配关系可以定量为：Bi=Σj=1pbij---(5)]]>其中bii＝0，称Bi为可行解Xi的ε‑Pareto支配值；利用ε‑Pareto支配策略对可行解进行评价时，首先按照式(3)、式(4)和式(5)计算各可行解的支配值，然后依据支配值的大小对所有可行解进行分组，将支配值相同的分在同一组，支配值不同的分在不同组，最后利用支配值最大的那一组中的可行解对外部档案进行更新。...

【技术特征摘要】
1.一种基于协同混合人工鱼群算法的多目标柔性作业车间调度方法，其特征是，
(1)带有分布估计属性的觅食行为
在进行第l+1次迭代之前，首先对种群中较优个体的状态进行概率统计学习，
形成当前状态的概率模型；对于柔性作业车间调度问题，为其分别建立机器安
排概率模型和工序排序概率模型；设在第l(l＝1,2,...,IT-1)代种群更新完毕后选
取较优人工鱼数为I，D1(l+1)为第l+1次迭代中要使用的机器概率模型，
D2(l+1)为第l+1次迭代中要使用的工序概率模型；D1(l+1)是一个N×m的实数
矩阵，N为工序总数，m为机器数；每个元素dijk表示工序Oij在机器Mk上加工
的概率，其值表示为：dijk=qijkI---(1)]]>其中aijk为I个个体中选择在Mk上加工Oij的个体总数；D2(l+1)是一个n×N的
实数矩阵，n为工件数；每个元素dij表示工件Jj安排在第i(1≤i≤N)个位置上
进行加工的概率，其值表示为：
dij=aijI---(2)]]>其中aij为I...

【专利技术属性】
技术研发人员：葛宏伟，陈新，孙亮，谭国真，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21